靠一種樣本學習多種氣味 神經擬態晶片拉近AI與人腦距離

除了會看會聽，還會“聞”。近日，一直致力於模倣人類五感的人工智慧又有新突破，通過神經擬態晶片，人工智慧已經掌握了丙酮、氨和甲烷等10種氣味的神經表徵，強烈的環境干擾也不會影響它對氣味的準確識別。這項由英特爾研究院與美國康奈爾大學共同參與的研究成果，日前發表于《自然·機器智慧》雜誌上。

神經擬態即通過模擬人腦神經元的工作機制，讓電腦具備像人一樣的自然智慧特性。英特爾公佈的另一項研究顯示，將上述768塊神經擬態晶片整合在5台標準伺服器大小的機殼中形成的神經擬態系統——Pohoiki Springs，已經相當於擁有了1億個神經元的大腦，而這相當於一個小型哺乳動物的大腦神經元數量。

通過堆疊晶片形成的神經擬態系統似乎讓我們看到了“機器可以和人一樣聰明”的希望，那神經擬態晶片及大規模整合系統的就緒，是否意味著“強認知、小樣本學習”的神經擬態計算有了規模商用的可能？

神經擬態訓練無需大量樣本

目前深度學習演算法作為實現人工智慧的重要技術手段，被廣泛應用於各類人工智慧成果中。對於以深度學習演算法為支撐的人工智慧成果，數據可以説是研究的血液。數據量越大，數據品質越高，深度學習所表現的性能也就越好。但在不少研究環境中，由於涉及隱私安全以及客觀條件限制，有效數據難以獲得。

“深度學習雖然取得了長足進步，但仍局限在圖像和語音等方面的分類和識別中。”英特爾中國研究院院長宋繼強説，人類視覺、語音兩類數據容易獲得和標注，滿足了深度學習的必要條件，研究及應用相對成熟，但味覺和嗅覺的研究卻沒那麼樂觀。（記者劉艷）